【源码】canal和otter的高可靠性分析

一般来说，我们对于数据库最主要的要求就是：数据不丢。不管是主从复制，还是使用类似otter+canal这样的数据库同步方案，我们最基本的需求是，在数据不丢失的前提下，尽可能的保证系统的高可用，也就是在某个节点挂掉，或者数据库发生主从切换等情况下，我们的数据同步系统依然能够发挥它的作用–数据同步。本文讨论的场景是数据库发生主从切换，本文将从源码的角度，来看看otter和canal是如何保证高可用和高可靠的。

一、EventParser

通过阅读文档和源码，我们可以知道，对于一个canal server，基础的框架包括以下几个部分：MetaManager、EventParser、EventSink和EventStore。其中EventParser的作用就是发送dump命令，从mysql数据库获取binlog文件。发送dump命令，可以指定时间戳或者position，从指定的时间或者位置开始dump。我们来看看过程：

首先是CanalServer启动。otter默认使用的是内置版的canal server，所以我们主要看CanalServerWithEmbedded这个类。来看下他的启动过程：

    public void start(final String destination) {        final CanalInstance canalInstance = canalInstances.get(destination);        if (!canalInstance.isStart()) {            try {                MDC.put("destination", destination);                canalInstance.start();//启动实例                logger.info("start CanalInstances[{}] successfully", destination);            } finally {                MDC.remove("destination");            }        }    }

我们看下实例启动那一行，跟到AbstractCanalInstance类中

    public void start() {        super.start();        if (!metaManager.isStart()) {            metaManager.start();//源数据管理启动        }        if (!alarmHandler.isStart()) {            alarmHandler.start();//报警处理器启动        }        if (!eventStore.isStart()) {            eventStore.start();//数据存储器启动        }        if (!eventSink.isStart()) {            eventSink.start();//数据过滤器启动        }        if (!eventParser.isStart()) {//数据解析器启动            beforeStartEventParser(eventParser);            eventParser.start();            afterStartEventParser(eventParser);        }        logger.info("start successful....");    }

我们主要看下eventParser.start()方法里面的内容。我们主要关注的是EventParser使如何在主从切换的条件下，进行dump节点的确定的。我们跟踪到AbstractEventParser类中的start()方法，重点看下

// 4. 获取最后的位置信息EntryPosition position = findStartPosition(erosaConnection);

这块有两个实现，但是canal目前使用的是MysqlEventParser，也就是基于Mysql的Binlog文件来进行数据同步。我们看下代码：

protected EntryPosition findStartPosition(ErosaConnection connection) throws IOException {    EntryPosition startPosition = findStartPositionInternal(connection);    if (needTransactionPosition.get()) {        logger.warn("prepare to find last position : {}", startPosition.toString());        Long preTransactionStartPosition = findTransactionBeginPosition(connection, startPosition);        if (!preTransactionStartPosition.equals(startPosition.getPosition())) {            logger.warn("find new start Transaction Position , old : {} , new : {}",                    startPosition.getPosition(),                    preTransactionStartPosition);            startPosition.setPosition(preTransactionStartPosition);        }        needTransactionPosition.compareAndSet(true, false);    }    return startPosition;}

对于第一行findStartPositionInternal(connection)，我们重点关注的情况是数据库连接地址发生变化，也就是进行了主从切换的情况。

boolean case2 = (standbyInfo == null || standbyInfo.getAddress() == null)                && logPosition.getPostion().getServerId() != null                && !logPosition.getPostion().getServerId().equals(findServerId(mysqlConnection));if (case2) {    long timestamp = logPosition.getPostion().getTimestamp();    long newStartTimestamp = timestamp - fallbackIntervalInSeconds * 1000;    logger.warn("prepare to find start position by last position {}:{}:{}", new Object[]{"", "",                logPosition.getPostion().getTimestamp()});    EntryPosition findPosition = findByStartTimeStamp(mysqlConnection, newStartTimestamp);    // 重新置为一下    dumpErrorCount = 0;    return findPosition;}

我们分析下case2这个条件，其实就是表示的就是配置了主从切换，而且发生了serverId变化的情况，在这种情况下，首先需要获取到事件发生的时间戳，然后将这个事件发生的时间减去60s，也就是向前推一分钟之后，在新的binlog文件中根据新的时间戳来找到当时对应的事件。

这块根据时间戳来寻找事件的过程比较简单，首先根据binglog-index文件找到所有的binlog文件名，然后遍历binlog文件的头，找到binlog文件的写入时间，与新的时间戳进行对比，定位到binlog文件。定位到文件后，直接根据时间戳来进行遍历，找到新的时间戳之前发生的那个事务起始位置。

/** * 根据给定的时间戳，在指定的binlog中找到最接近于该时间戳(必须是小于时间戳)的一个事务起始位置。 * 针对最后一个binlog会给定endPosition，避免无尽的查询 */private EntryPosition findAsPerTimestampInSpecificLogFile(MysqlConnection mysqlConnection,                                                              final Long startTimestamp,                                                              final EntryPosition endPosition,                                                              final String searchBinlogFile) {    final LogPosition logPosition = new LogPosition();    try {        mysqlConnection.reconnect();        // 开始遍历文件        mysqlConnection.seek(searchBinlogFile, 4L, new SinkFunction<LogEvent>() {            private LogPosition lastPosition;            public boolean sink(LogEvent event) {                EntryPosition entryPosition = null;                try {                    CanalEntry.Entry entry = parseAndProfilingIfNecessary(event);                    if (entry == null) {                        return true;                    }                    String logfilename = entry.getHeader().getLogfileName();                    Long logfileoffset = entry.getHeader().getLogfileOffset();                    Long logposTimestamp = entry.getHeader().getExecuteTime();                    if (CanalEntry.EntryType.TRANSACTIONBEGIN.equals(entry.getEntryType())                            || CanalEntry.EntryType.TRANSACTIONEND.equals(entry.getEntryType())) {                        logger.debug("compare exit condition:{},{},{}, startTimestamp={}...", new Object[]{                                logfilename, logfileoffset, logposTimestamp, startTimestamp});                        // 事务头和尾寻找第一条记录时间戳，如果最小的一条记录都不满足条件，可直接退出                        if (logposTimestamp >= startTimestamp) {                            return false;                        }                    }                    if (StringUtils.equals(endPosition.getJournalName(), logfilename)                            && endPosition.getPosition() <= (logfileoffset + event.getEventLen())) {                        return false;                    }                    // 记录一下上一个事务结束的位置，即下一个事务的position                    // position = current +                    // data.length，代表该事务的下一条offest，避免多余的事务重复                    if (CanalEntry.EntryType.TRANSACTIONEND.equals(entry.getEntryType())) {                        entryPosition = new EntryPosition(logfilename,                                logfileoffset + event.getEventLen(),                                logposTimestamp);                        logger.debug("set {} to be pending start position before finding another proper one...",                                entryPosition);                        logPosition.setPostion(entryPosition);                    } else if (CanalEntry.EntryType.TRANSACTIONBEGIN.equals(entry.getEntryType())) {                        // 当前事务开始位点                        entryPosition = new EntryPosition(logfilename, logfileoffset, logposTimestamp);                        logger.debug("set {} to be pending start position before finding another proper one...",                                entryPosition);                        logPosition.setPostion(entryPosition);                    }                    lastPosition = buildLastPosition(entry);                } catch (Throwable e) {                    processSinkError(e, lastPosition, searchBinlogFile, 4L);                }                return running;            }        });    } catch (IOException e) {        logger.error("ERROR ## findAsPerTimestampInSpecificLogFile has an error", e);    }    if (logPosition.getPostion() != null) {        return logPosition.getPostion();    } else {        return null;    }}

这块的逻辑如下：

• 发送dump命令，起始位置为4L，也就是跳过了binlog的第一个标志事件。
• canal收到binlog，开始进行对binlog文件进行解析。
• 主要我们看的是事务开始和事务提交的事件，判断事务开始或结束的时间，是否小于我们要找的时间戳，如果大于等于，直接遍历下一个事件。
• 传入了一个endPosition，防止无限扫描。
• 虽说是从头开始扫描的，但是要想跳出遍历，需要满足一定的条件。在跳出遍历之前，最后一次设置的logPosition才是我们要招的logPosition。
• 如果是一个事务提交的事件，我们要找的position就是这个事件的position+event.length。如果是事务开始，position就是当前事件的position。其他的事件都忽略。

至此，我们已经找到了我们想要的binlog文件名和对应的事务开始position，我们继续下面的步骤即可。

二、EventStore

这块内容的主要思想如下：
- 维护一个类似于Disruptor的RingBuffer，同时维护三个序列，put/get/ack。
- EventSink之后的数据，调用put接口，将数据放入环形队列中。
- Canal client获取数据，调用get方法。
- 异步调用ack方法，清除ack之前的数据。
- 值得注意的是，这块get和ack采用了流式API的模式，get和ack异步进行，可以先get，然后异步调用ack。
- ack是有序的，不允许跳跃式的提交。

三、Binlog的Row模式

至此，我们基本上知道了canal是如何在发生数据库主从切换时保证高可用和高可靠的，我们可能还有疑惑：为什么要回退60s，来解析binlog，这样不会导致数据重复吗？还有一些自增的update语句（不具备幂等性），不会产生数据错误吗？要想回答这些问题，就需要我们了解Binlog的Row模式了。

Mysql Binlog的Row模式记录的，是数据库中每一行的数据变化，而不仅仅是sql语句。比如我们对数据库中的多行，使用一条sql语句进行了修改。在这种情况下，如果Binlog模式为Statement，只会记录一条sql语句。而Row模式下，会对每一行的数据变化进行记录，以及变化前后每个字段的值。这也就是为什么Row模式的binlog文件如此之大的原因。

对于一些不具备幂等性的sql语句，采用Row语句进行Binlog解析时，也是可以通过重复执行，来保证我们数据的最终一致性的。这也就解释了，为什么要回退60s来进行Binlog位点定位、解析的问题。考虑到Mysql主从的数据复制的延迟性（60s，一般来说的延迟没有这么久），我们可以在主节点挂掉的情况下，回退60s到从节点上继续进行binlog的解析。

当然，也需要考虑一些极端的情况，也就是主从复制确实超过了60s的延迟，在这种情况下，就需要otter登场了。基本思路是：反查数据库同步 (以数据库最新版本同步，解决交替性，比如设置一致性反查数据库延迟阀值为60秒，即当同步过程中发现数据延迟超过了60秒，就会基于PK反查一次数据库，拿到当前最新值进行同步，减少交替性的问题)。